文档摘要

2.4 半监督学习与强化学习：标签稀缺与奖励驱动 本节摘要：监督与无监督之外，现实还备着两种极端工况。一种是标签贵得离谱：医学影像要资深医师逐张标注，互联网上的图片却近乎免费——少量标签加海量无标签，逼出了半监督学习，靠平滑、聚类、流形三大假设和伪标签、协同训练等手段把免费数据用起来。另一种是连"一问一答"都不存在，只有一个延迟的分数：智能体在环境里试错，靠奖励信号自己摸出策略，这是强化学习。本节讲清两位非常规老师的工作机理与代表算法。 会员。《2.4 半监督学习与强化学习：标签稀缺与奖励驱动》收录于灏天文库文集《零基础入门人工智能：概念、方向与应用全解析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/510-%E9%9B%B6%E5%9F%BA%E7%A1%80%E5%85%A5%E9%97%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%A6%82%E5%BF%B5%E6%96%B9%E5%90%91%E4%B8%8E%E5%BA%94%E7%94%A8%E5%85%A8%E8%A7%A3%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流